采用深度學(xué)習(xí)方法重建個(gè)體大腦缺損的血氧水平依賴信號(hào)取得突破性進(jìn)展

功能磁共振成像是一種高級(jí)磁共振成像技術(shù)，通過血氧信號(hào)探測(cè)大腦功能活動(dòng)的常用方法，無創(chuàng)而且空間精度高，在腦科學(xué)研究和腦疾病診療中具有廣泛應(yīng)用。然而，功能磁共振采集到的大腦活動(dòng)信號(hào)常常會(huì)受到磁化率偽影、金屬植入物的干擾，造成局部的信號(hào)扭曲甚至缺損。在神經(jīng)外科臨床診療中，難治性癲癇患者為了進(jìn)行手術(shù)規(guī)劃而植入的顱內(nèi)電極、帕金森患者為了緩解震顫而植入的深部腦刺激器，這些植入物及其導(dǎo)線和連接器，都會(huì)對(duì)功能磁共振信號(hào)產(chǎn)生干擾，嚴(yán)重妨礙了通過功能，并可能導(dǎo)致誤讀患者的研究結(jié)果。

為了解決這一問題，河南省人民醫(yī)院王梅云教授團(tuán)隊(duì)與清華大學(xué)醫(yī)學(xué)院洪波教授團(tuán)隊(duì)、航天航空學(xué)院李路明教授團(tuán)隊(duì)及哈佛大學(xué)醫(yī)學(xué)院劉河生教授等團(tuán)隊(duì)合作，采用生成對(duì)抗網(wǎng)絡(luò)(generative adversarial networks，GAN)模型，對(duì)臨床上部分信號(hào)缺損的靜息態(tài)功能磁共振信號(hào)實(shí)現(xiàn)準(zhǔn)確修復(fù)。生成對(duì)抗網(wǎng)絡(luò)是一種深度學(xué)習(xí)框架，由一組生成器和分類器組成，在圖像人工智能處理領(lǐng)域具有廣泛應(yīng)用。在合作中，團(tuán)隊(duì)采用深度卷積生成式對(duì)抗網(wǎng)絡(luò)模型，通過對(duì)生成器進(jìn)行正常樣本的對(duì)抗訓(xùn)練，使其學(xué)習(xí)到正常樣本各個(gè)腦區(qū)共同激活的統(tǒng)計(jì)分布，從而可以基于其中一部分腦區(qū)的激活信號(hào)，對(duì)另外一部分腦區(qū)缺損的功能磁共振信號(hào)進(jìn)行預(yù)測(cè)。

該方法在信號(hào)序列波動(dòng)一致性、功能網(wǎng)絡(luò)連接圖譜相似性、以及個(gè)體大腦功能網(wǎng)絡(luò)特異性等方面，都達(dá)到了良好的性能指標(biāo)。植入磁共振兼容腦起搏器的帕金森患者，腦功能圖像通過該方法實(shí)現(xiàn)了準(zhǔn)確修復(fù)。該方法對(duì)于臨床診療和腦科學(xué)科研中因信號(hào)采集和電極干擾等問題導(dǎo)致的功能磁共振信號(hào)的缺損，提供了一種新穎有效的解決方案。

這項(xiàng)成果在2020年10月7日以“Reconstructing lost BOLD signal in individual participants using deep machine learning”(采用深度學(xué)習(xí)方法重建個(gè)體大腦缺損的血氧水平依賴信號(hào))為題在線發(fā)表于《自然·通訊》（Nature Communications）上。

據(jù)悉，該研究得到了國家自然科學(xué)基金、科技部重點(diǎn)研發(fā)計(jì)劃等支持。